ÖNERİLER

No presente trabalho, diferentemente dos resultados de Terra (2003), a estimação do modelo de demanda por investimentos identificou um crescimento no valor dos coeficientes da variável fluxo de caixa (lucro líquido + depreciação do estoque do capital em t-1) conforme se passa para grupos de empresas com maior porte. Deve-se lembrar, porém, que a legitimidade das inferências sobre restrição ao crédito dos modelos pressupõe que o fluxo de caixa, uma das variáveis explicativa, não esteja correlacionado com as oportunidades de investimento. Valendo tal suposição, as evidências seriam consistentes, devendo-se então buscar na literatura resenhada na seção 1 insights para explicar os resultados encontrados.

A matriz de correlação entre as variáveis financeiras usadas nas estimações (Tabela 11) permite avaliar o grau de multicolinearidade entre a proxy para oportunidades de investimento e fluxo de caixa. O Q de Tobin possui uma baixa correlação com o FC, parecendo indicar que refletem movimentos diferentes. Pode ser também que a mensuração do Q de Tobin tenha sido deficiente ou, ainda, que esse indicador não seja uma boa proxy, para as oportunidades de investimento. Aivazian, Ge e Qiu (2005) sustentam que essa variável pode igualmente servir para detectar a facilidade de acesso ao crédito: empresas com elevado Q de Tobin, expressando boas oportunidades de crescimento, sinalizariam maiores retornos futuros e menores problemas de risco moral e seleção adversa. Nesse sentido, se houvesse indícios de que as empresas menores apresentassem maiores oportunidades de crescimento, exatamente por serem pequenas, poder-se-ia inferir que essa seria a razão para dependerem menos dos fluxos de caixa. Entretanto, a evidência da Tabela 2 aponta no sentido contrário: não apenas o

Q de Tobin das empresas maiores exibem valores mais elevados, como a maioria dos

Tabela 11

Matriz de Correlação entre as Variáveis Financeiras

FC/Kt-1 _Tobin Q de Capex/ _K t-1 EBITDA/ Kt-1 Liqu. Corr. Debt Ratio Cob. de juros Marg. Líq. Market/ Book FC/Kt-1 1.00 0.10 0.26 0.63 0.40 -0.30 0.33 0.63 0.33 Q de Tobin 0.10 1.00 0.17 0.26 -0.02 0.32 0.17 0.08 0.60 Capex/Kt-1 0.26 0.17 1.00 0.34 0.12 0.00 0.13 0.14 0.18 EBITDA/Kt-1 0.63 0.26 0.34 1.00 0.24 -0.07 0.36 0.35 0.40 Liqu. Corr. 0.40 -0.02 0.12 0.24 1.00 -0.34 0.41 0.35 0.11 Debt Ratio -0.30 0.32 0.00 -0.07 -0.34 1.00 -0.22 -0.21 0.07 Cobert. de juros 0.33 0.17 0.13 0.36 0.41 -0.22 1.00 0.28 0.20 Marg. Líq. 0.63 0.08 0.14 0.35 0.35 -0.21 0.28 1.00 0.24 Market to Book 0.33 0.60 0.18 0.40 0.11 0.07 0.20 0.24 1.00

Essas observações alinham-se à argumentação de Cleary (2006) de que é possível que as medidas de classificação dos grupos segundo o grau de restrição financeira, baseadas em tamanho ou distribuição de dividendos, não estejam apenas relacionadas ao grau de imperfeições existentes nos mercados financeiros, mas também ao status financeiro das empresas que, como também sugerem Khurana, Martin e Pereira (2006), pode ter um efeito dominante sobre a sensibilidade do investimento ao fluxo de caixa. Esses estudos assinalam que firmas com indicadores financeiros ruins (como baixa lucratividade, menor condições de arcar com obrigações financeiras etc.) devem apresentar alguma resistência para investir, independentemente da disponibilidade de caixa, o que é consistente com a idéia de que essas firmas não podem prescindir de uma folga financeira, que lhes dê condições de pagarem dívidas existentes e futuras, de obterem financiamento para projetos de investimento no futuro, e de ficarem menos sujeitas aos riscos de serem obrigadas a recorrer aos, para elas, onerosos recursos de terceiros.

Os resultados do presente estudo também podem ser interpretados à luz dos argumentos de Povel e Raith (2001) e de Cleary, Povel e Raith (2004) sobre a relação na forma de U entre investimentos e fluxo de caixa. A evidência de que a margem líquida cresce para empresas maiores pode sugerir que, dependendo do segmento da função investimento em que se encontram as empresas da amostra, firmas classificadas como enfrentando fortes restrições financeiras podem apresentar menor sensibilidade do investimento à disponibilidade de recursos internos.

Cabe ressaltar, também, que as empresas da amostra representam um grupo idiossincrático. São empresas com ações negociadas em bolsa, obrigadas a cumprir exigências mínimas de

disclosure e alvos de razoável monitoramento por parte de investidores e analistas,

envolvendo, portanto, problemas de assimetria de informação relativamente menos intensos. Outro viés de seleção deriva do fato de que empresas que optam por abrir o capital e negociar suas ações em bolsas seriam mais maduras, com potencial de expansão e possivelmente maiores. Analisando os possíveis determinantes da decisão de abrir o capital da empresa e negociar as ações publicamente por meio de um painel de firmas italianas, Pagano, Paneta e Zingales (1998) encontram evidências de que o tamanho da empresa importa nessa decisão e de que as ofertas públicas primárias normalmente envolvem empresas com maior crescimento e maior lucratividade. Assim, as empresas da amostra explorada neste trabalho – aquelas com ações negociadas na Bovespa – poderiam refletir características específicas de decisões de investimento. A despeito disso, parece razoável supor que haja disparidades na capacidade de obter financiamento externo mesmo nesse subgrupo.

A consistência dos resultados pode ter sido comprometida pelo viés de seleção amostral de se eliminar firmas que não divulgaram alguns dados relevantes. Se a omissão de informações é intencional ou está associada ao valor das variáveis, então, há de fato um problema de seleção e a amostra não é aleatória, sendo necessário um novo modelo que considere a escolha das firmas de reportar ou não os dados.

Por fim, apesar do controle feito pelas dummies de ano, outra possível fonte de distorção nos dados utilizados, capaz de prejudicar a consistência dos resultados obtidos neste estudo, são os choques adversos e as fortes oscilações pelas quais as economias brasileira e mundial passaram no período analisado. Em 2001, o custo de captação de fundos para as empresas no Brasil foi seriamente afetado pela conjunção da crise energética doméstica, da crise cambial e financeira na Argentina, e dos ataques terroristas de 11 de setembro. No ano seguinte, o cenário internacional desfavorável (modesta recuperação econômica nas economias dos países desenvolvidos e continuidade da aversão ao risco dos investidores globais), combinou-se com a incerteza em relação às eleições presidenciais. Desde 2003, a economia mundial vêm crescendo de maneira sustentada, favorecendo o ingresso de capital e as exportações e, portanto, afrouxando as restrições externas da economia brasileira: o risco-país manteve trajetória descendente e a taxa de câmbio valorizou-se de forma expressiva. Junto à bonança na economia mundial, que fortaleceu os fluxos de caixa das empresas, a consolidação da estabilidade macroeconômica brasileira colaborou significativamente para a melhora no ambiente de negócios, incentivando os investimentos.

REFERÊNCIAS

Aivazian, A. V., Y. Ge, e J. Qiu. (2005). “The impact of leverage on firm investment: Canadian evidence”. Journal of Corporate Finance l(11), pp. 277-291.

Almeida, H. e Campello M. (2007). “Financial constraints, asset tangibility and corporate investments”. The Review of Financial Studies 20(5), pp. 1429-1460.

Beck, T., A. D. Kunt, X. X. Laeven, e V. Maksimovic. (2006). “The determinants of financing obstacles”. Journal of International Money and Finance 25(6), pp. 932-952.

Chung, K. H. e S. W. Pruitt. (1994) “A Simple approximation of Tobin’s q”. Financial

Management 23(3), pp. 70-74.

Cleary, S. (1999). “The relationship between firm investment and financial status”. The

Journal of Finance 54(2), pp. 673-692.

Cleary, S. (2005) “Corporate investment and financial slack: international evidence”.

International Journal of Managerial Finance 1(3), pp. 140-163.

Cleary, S. (2006). “International corporate investment and the relationship between financial constraint measures”. Journal of Banking & Finance 30(5), pp. 1559-1580.

Cleary, S., Povel, P. e Raith, M. (2004). “The U-shaped investment curve: theory and evidence”. Simon Business School Working Paper No. FR 03-32 SSRN: http://ssrn.com/abstract=470921

Famá, R. e L. Barros (2001). “Q de Tobin e seu uso em finanças: Aspectos metodológicos e conceituais”. Caderno de Pesquisas em Administração 7(4), pp. 27-44.

Fazzari, S. M., R. G. Hubbard, e B. C. Petersen (1988). “Financing constraints and corporate investments”. Brookings Papers on Economic Activity 1, pp. 141-206.

Greene, W. H. (1997). Econometric Analysis. Third edition. New York: Macmillan Publishing Company.

Hubbard, R.G. (1998). “Capital-market imperfections and investments”. Journal of Economic

Literature 36(1), pp. 193-225.

Jensen, J. P., N.A. Menezes-Filho, e R. Sbragia (2004). “Os determinantes dos gastos em P&D no Brasil: Uma análise com dados em painel”. Estudos Econômicos 34( 4), pp. 661-691. Kaplan, S. e L. Zingales (1997). “Do investment cash flow sensitivities provide useful measures of financing constraints?” Quarterly Journal of Economics 112(1), pp169-215. Khurana, I. K., Martin, X. e Pereira, R. (2006). “Financial development and the cash flow sensitivity of cash”. Journal of Financial and Quantitative Analysis 41(4), pp. 787–807. Pagano, M., F. Panetta, e L. Zingales. (1998). “Why do companies go public? An empirical analysis”. The Journal of Finance 53(1), pp. 27-64.

Povel, P. e Raith, M. (2001). “Optimal investment under financial constraints: the roles of internal funds and asymetric information”. AFA 2002 Atlanta Meetings; Institute of Financial Studies, Carlson School of Management, Working Paper No. 0103. SSRN: http://ssrn.com/abstract=269497 or DOI: 10.2139/ssrn.269497

Schiantarelli, F. (1996). “Financial constraints and investments: Methodological issues and international evidence”. Oxford Review of Economic Policy 12(2), pp 70-89.

Terra, M. C. (2003). “Credit constraint in Brazilian firms: Evidence from panel data”. Revista

Brasileira de Economia 57(2), pp. 443-464.

Tobin, J. e W. C. Brainard. (1968). “Pitfalls in Financial Model Building.” American

Economic Review 58(2), pp 99-122.

Wooldridge, J. M. (2002). Econometric analysis of cross section and panel data. Cambridge, Mass.: MIT Press.

ANEXOS

ANEXO 1: DECOMPOSIÇÃO ÍNDICES DE INFLAÇÃO ANEXO 2: VARIÁVEIS FINANCEIRAS

ANEXO 1: ABERTURA ÍNDICES DE INFLAÇÃO

Setores/subsetores IGPM Setores Economática

IPA

Produtos Agrícolas Agro e Pesca

Extrativa Mineral Mineração

Minerais não Metálicos Minerais não Metálicos

Metalúrgica Siderurgia & Metalurgia

Máq. e Equip. p/ indústria Máquinas Industriais

Material elétrico Eletroeletrônicos

Material de transporte Veiculos e peças

Papel e papelão Papel e Celulose

Combustíveis e Lubrificantes Petróleo e Gasolina Tintas e vernizes; Matérias Plásticas

Fertilizantes; Outros Química*

Tecidos, Vestuários e Calçados Têxtil

Bebidas

Produtos alimentares Alimentos e Bebidas*

INCC Construção IGPM Transporte Serviços Comércio Outros Energia Elétrica Telecomunicações

*Nos casos de Química e Alimentos e Bebidas, os índices que aparecem agrupados foram ponderados pelos seus respectivos pesos dentro do IPA geral

ANEXO 2: VARIÁVEIS FINANCEIRAS circulante Passivo circulante Ativo corrente Liquidez _ _ _ = total Ativo total Divida ratio Debt _ _ _ = juros com Despesa EBIT juros de Cobertura _ _ _

_ = , EBIT: Earnings before interest and taxes (LAJIR) líquida l operaciona ceita líquido Lucro líquida em M _ _ Re _ _ arg = ação por líquido Patrimônio ação eço book to Market _ _ _ _ Pr = − −

Enterprise Value = Valor de mercado ações + Dívida total líquida + Partic. Acionistas Minoritários

Dívida total líquida = Financ. CP+Financ. LP+Debêntures CP+Debêntures LP - caixa e invest.CP- aplic. Financeira CP